anaconda学习(未完成)
1.Anaconda安装教程(以32.7.4为例)
官网地址:https://www.anaconda.com/download(如无法下载可跳转清华源下载)
下载完成后点击打开即可安装
点击Next
选择I Agree
在此选择Just Me(recommended),点击Next
我选择了默认路径(建议有其它盘,装入其他盘,安装路径不要包含汉字和空格),点击Next
勾选第一第二和第三(注意第二项path环境,它会自动添加环境变量无线手动添加。第四项是完成时清除包缓存这样可以节约磁盘空间),点击Install
等待安装完成
点击Next
点击Next
点击Finish
(恭喜你,现在安装完成,接下来我们要测试Anaconda是否安装成功了)
WIN+R键调出运行窗口,输入cmd回车
输入conda命令查看是否安装成功
输入conda -V命令(注意中间空格)可查看当前Anaconda版本
输入python命令查看是否可以使用python
(一切顺利的话,OK!恭喜安装完成!)
2.Anaconda创建虚拟环境
为什么要创建anaconda的虚拟环境:
为了保证各种版本的包之间有兼容性:新手一开始听说虚拟环境会觉得没有必要,听着很麻烦,需要什么包安装就是了,但是随着学习的深入,比如学到了深度学习的内容,需要安装keras、tensorflow框架等,这时候如果盲目去装,就容易出问题,这时候就需要创建一个虚拟环境。
最简单的例子假设框架中需要安装A包,安装A包的前提条件是B包的2.1版本和C包的1.2版本都有,这时候你原来系统里的B包可能是3.2版本,为了装A包就需要降版本,但是系统里原来的D包需要3.2版本的B包,所以B包降了版本,可能导致D包无法使用。
Anaconda创建虚拟环境
查看所有虚拟环境:conda info --envs或conda env list
创建名字为xxx,环境为python3.11的虚拟环境(python3.11为例):conda create --name xxx python=3.8(我的名字是learn_try_frist)
(选择y,继续环境创建完成)
激活(进入)虚拟环境: Windows: activate learn_try_frist
mac/linux: conda activate learn_try_frist
退出环境:deactivate
删除环境:conda remove --name learn_try_frist --all
(如果你完成了以上步骤,接下来的学习还需要创建一个环境建议叫old_name)
修改环境名:
进入旧环境:activate old_name
克隆旧环境:conda create -n new_name --clone old_name
退出旧环境:conda deactivate
删除旧环境:conda remove -n old_name --all
查看最终结果:conda info --envs
分享环境:
进入要分享的环境:activate new_name
输入命令:conda env export > environment.yml
(会在当前目录下生成environment.yml文件,别人拿到environment.yml文件,在cmd中进入目录文件下可以通过以下命令从该文件创建环境conda env create -f environment.yml)
安装第三方库:
查看当前环境下安装的第三方库:conda list
给当前环境安装第三方库:conda install package_name
给指定环境安装第三方:conda install -n env_name package_name
3.更改虚拟环境默认搭建位置
anaconda学习(未完成)的更多相关文章
- anaconda学习笔记
anaconda介绍 Anaconda指的是一个开源的Python发行版本,其包含了conda.Python等180多个科学包及其依赖项. Conda是一个开源的包.环境管理器,可以用于在同一个机器上 ...
- 自定义修改Anaconda Jupyterlab Home目录
自定义修改Anaconda Jupyterlab Home目录 最近在使用Anaconda学习数据分析和机器学习,会使用到Jupyter,但是他默认目录是用户的目录,我并没有习惯将项目和资料放在C盘, ...
- Mybatis源码学习之DataSource(七)_2
接上节数据源,本节我们将继续学习未完成的部分,包括无连接池情况下的分析.为什么使用连接池.及mybatis连接池的具体管理原理 不使用连接池的UnpooledDataSource 当 的type属性为 ...
- 基于pyqt5和openpyxl和Pyinstaller的青年大学习检查未学习人数的脚本
前几天接到团支书的一个需求,因为学校给的名单是青年大学习已学习的名单,然而要知道未学习的名单只能从所有团员中再排查一次,过程相当麻烦.团支书跟我抱怨后,刚好我也学过一些操作办公软件的基础.打包pyth ...
- [未完成]WebService学习第一天学习笔记
[未完成]WebService学习第一天学习笔记[未完成]WebService学习第一天学习笔记
- win10+anaconda+cuda配置dlib,使用GPU对dlib的深度学习算法进行加速(以人脸检测为例)
在计算机视觉和机器学习方向有一个特别好用但是比较低调的库,也就是dlib,与opencv相比其包含了很多最新的算法,尤其是深度学习方面的,因此很有必要学习一下.恰好最近换了一台笔记本,内含一块GTX1 ...
- 吴恩达深度学习第4课第3周编程作业 + PIL + Python3 + Anaconda环境 + Ubuntu + 导入PIL报错的解决
问题描述: 做吴恩达深度学习第4课第3周编程作业时导入PIL包报错. 我的环境: 已经安装了Tensorflow GPU 版本 Python3 Anaconda 解决办法: 安装pillow模块,而不 ...
- 【学习总结】win7使用anaconda安装tensorflow+keras
tips: Keras是一个高层神经网络API(高层意味着会引用封装好的的底层) Keras由纯Python编写而成并基Tensorflow.Theano以及CNTK后端. 故先安装TensorFlo ...
- Python 3 Anaconda 下爬虫学习与爬虫实践 (1)
环境python 3 anaconda pip 以及各种库 1.requests库的使用 主要是如何获得一个网页信息 重点是 r=requests.get("https://www.goog ...
- 【学习总结】GirlsInAI ML-diary day-2-Python版本选取与Anaconda中环境配置与下载
[学习总结]GirlsInAI ML-diary 总 原博github链接-day2 Python版本选取与Anaconda中环境配置与下载 1-查看当前Jupyter的Python版本 开始菜单选J ...
随机推荐
- webpack配置局域网访问项目
要配置webpack允许局域网访问项目,你需要做以下几个步骤: 1. 在webpack配置文件中,找到devServer选项,并设置其属性`host`为`0.0.0.0`.这将允许其他设备通过局域 ...
- Kafka 集群如何实现数据同步?
哈喽大家好,我是咸鱼 最近这段时间比较忙,将近一周没更新文章,再不更新我那为数不多的粉丝量就要库库往下掉了 T﹏T 刚好最近在学 Kafka,于是决定写篇跟 Kafka 相关的文章(文中有不对的地方欢 ...
- 多数元素 (3.12 leetcode每日打卡)
给定一个大小为 n 的数组,找到其中的多数元素.多数元素是指在数组中出现次数大于 ⌊ n/2 ⌋ 的元素. 你可以假设数组是非空的,并且给定的数组总是存在多数元素. 示例 1: 输入: [3,2,3] ...
- swiper轮播图出现疯狂抖动(小程序)
swiper轮播图息屏一段时间或快速滑动切换时出现疯狂抖动 以前做小程序项目的时候,没专门测试人员,都是开发者自测,可能我的手机性能比较不错(哈哈)或时机不对,总之没发掘到这个bug:近期做项目,测试 ...
- CPF C#跨平台UI框架开源了
介绍 C#跨平台UI框架 提供NETStandard2.0和net4的库,通过Netcore可以跨平台,支持Windows.Mac.Linux,Net4的可以支持XP. 各个平台运行效果一致,不依赖系 ...
- python3使用libpcap给ESL命令添加日志记录
操作系统 :CentOS 7.6_x64 FreeSWITCH版本 :1.10.9 python版本:3.9.12 libpcap版本:1.11.0b7 FreeSWITCH的ESL模块用起来很方 ...
- Jayway JsonPath-提取JSON文档内容的Java DSL
介绍 JsonPath是一种能够提取部分JSON文档属性.对象.数组的语法,支持条件过滤.数学运算.字符串处理等功能.JsonPath与JSON文档就像 XPath 表达式与 XML 文档结合使用一样 ...
- java集合框架(二)LinkedList的常见使用
@[toc]## 一.什么是LinkedList LinkedList是Java中的一个双向链表. 它实现了List和Deque接口,在使用时可以像List一样使用元素索引,也可以像Deque一样使用 ...
- 神经网络入门篇:详解核对矩阵的维数(Getting your matrix dimensions right)
核对矩阵的维数 当实现深度神经网络的时候,其中一个常用的检查代码是否有错的方法就是拿出一张纸过一遍算法中矩阵的维数. \(w\)的维度是(下一层的维数,前一层的维数),即\({{w}^{[l]}}\) ...
- Java API 操作Docker浅谈
背景: 使用com.github.docker-java库可以很方便地在Java中操作Docker.下面是一个详细的教程,包括创建镜像.创建容器.启动容器.停止容器和删除容器的步骤以及每一步的说明. ...